ResNet模型、训练、预测代码，每一行都有超详细注释，适合新生小白，pytorch上可运行

GoogLeNet模型、训练、预测代码，每一行都有超详细注释，适合新生小白，pytorch上可运行

1对运动控制模块的点位表做了优化。2处理了部分Bug。3点位表模块增加了点位编辑功能。4对斑点分析工具做了部分优化。5优化了采集图像工具中的部分Bug。6优化完善了尺寸测量功能。7对采集图像工具的代码进行了整理和规范。8解决了旧版本中必须安装部分品牌相机驱动才能正常开启程序的问题。 计算机视觉

AlexNet模型、训练、预测代码，每一行都有超详细注释，适合新生小白，可运行

VGGNet模型、训练、预测代码，每一行都有超详细注释，适合新生小白，可运行

YOLOv3是一种基于深度学习的端到端实时目标检测方法，以速度快见长。本课程将手把手地教大家使用labelImg标注和使用YOLOv3训练自己的数据集。课程分为三个小项目：足球目标检测（单目标检测）、梅西目标检测（单目标检测）、足球和梅西同时目标检测（两目标检测）。本课程的YOLOv3使用Darknet，在Ubuntu系统上做项目演示。包括：安装Darknet、给自己的数据集打标签、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类。Darknet是使用C语言实现的轻型开源深度学习框架，依赖少，可移植性好，值得深入探究。 购课后可加入白勇老师课程学习交流QQ群：957519975除本课程《YOLOv3目标检测实战：训练自己的数据集》外，本人推出了有关YOLOv3目标检测的系列课程，请持续关注该系列的其它课程视频，包括：《YOLOv3目标检测实战：交通标志识别》《YOLOv3目标检测：原理与源码解析》《YOLOv3目标检测：网络模型改进方法》 敬请关注并选择学习！

计算机视觉的数学方法，pdf格式，仅供学习交流使用，CSDN

计算机视觉：alexnet ，vgg ，resnet ，rcnn ，faster-rcnn mask-rcnn paper

包含ImageSets（详细写出了train和val时用到的不同的图片）JPEGImages（17130张JPEG图片）Segmentation（12031张png标签图片） VOC2007数据集有20个类：aeroplane, bicycle, bird, boat, bottle, bus, car, cat, chair, cow, diningtable, dog, horse, motorbike, person, pottedplant, sheep, sofa, train, tv/monitor。

本课程包括下面6个经典目标检测算法模型的讲解： 1.基于自己数据集的Faster RCNN模型训练、验证以及nnie上仿真和运行。 2.基于自己数据集的RFCN模型训练、验证以及nnie上仿真和运行。 3.基于自己数据集的SSD模型训练、验证以及nnie上仿真和运行。 4.基于自己数据集的MobilenetSSD模型训练、验证以及nnie上仿真和运行。 5.Yolov2模型验证以及nnie上仿真和运行。 6.Yolov3tiny模型验证以及nnie上仿真和运行。 本课程特色： 1.实用性强，几乎囊括了当前所有经典的目标检测算法模型。 2.有深度。从模型框架原理、搭建、训练自己数据集一直讲到模型量化成wk文件、仿真以及开发板上运行。